Meta выпустила Muse Wonder — модели для личных и рабочих агентов
12 октября Meta представила две модели: Muse Wonder и Muse Wonder Full. Первая уже доступна разработчикам через Meta Model API и в Muse Code, вторая — только подписчикам Muse Code. Контекст у обеих — миллион токенов, цена Wonder в API — $4 за миллион входных токенов и $20 за миллион выходных. Обучали модели в гигаваттном дата-центре Prometheus.
Обратите внимание, на чём сделан акцент. Не на чат, а на агента: он помнит контекст между разговорами, долго идёт к цели, сам работает в браузере и приложениях и спрашивает перед важным действием. Мы в своих компаниях отдаём агентам как раз такую работу, и главное там, мне кажется, не ум модели, а то, держит ли она задачу несколько часов подряд. Честная граница: таблицу сравнений с конкурентами публикует сама Meta, а полный отчёт по безопасности компания обещает позже.
Источник: анонс Meta, 12.10.2026
NVIDIA выделила британским учёным вычисления на $250 млн для безопасности ИИ-агентов
14 октября NVIDIA объявила, что за пять лет передаст исследователям Великобритании вычислительные мощности стоимостью $250 млн — по $50 млн в год. Это не деньги на счёт, а доступ к вычислениям через британских облачных партнёров NVIDIA. Большая часть уйдёт широкому исследовательскому сообществу, часть — лабораториям BOLD (Оксфорд), SOFAIR (UCL) и Imperial College London, в том числе на безопасность роботов.
Почему это интересно. Безопасность агентов долго была темой для статей и конференций, а теперь под неё выделяют железо, причём немаленькое. То есть проверить, как агент ведёт себя, когда сам решает и действует, становится отдельной инженерной работой со своим бюджетом. Для всех, кто запускает агентов в бизнесе, вопрос «а что он сделает, если ошибётся» никуда не денется. Оговорка: в объявлении нет конкретных проектов и результатов, только рамка программы.
Источник: пресс-релиз NVIDIA, 14.10.2026
В Сиэтле с помощью ИИ спроектировали «ножницы» для белков
14 октября журнал Nature опубликовал две работы Института дизайна белков Вашингтонского университета, которым руководит Дэвид Бейкер. Учёные с помощью методов глубокого обучения спроектировали с нуля протеазы — ферменты, которые разрезают другой белок в точно заданном месте. В одной работе удачными оказались 19% вариантов, и они резали цель до 30 млн раз быстрее, чем без фермента. Во второй активность показали 36% вариантов, а амилоид-бета, белок, связанный с болезнью Альцгеймера, разрезался в 100 млн раз быстрее.
На пальцах, почему это важно. Обычное лекарство держит одну молекулу-мишень: на миллион мишеней нужен миллион молекул лекарства. Фермент разрезал, отпустил и взялся за следующую, значит, тот же эффект в теории достижим меньшей дозой. Для здоровья и долголетия это прям интересная история. Но граница жёсткая: это лаборатория — очищенные белки и, в одной из работ, человеческие клетки в культуре. Лечения пока нет, клинических испытаний в этих работах не было.
Источник: UW Medicine, 14.10.2026
Google открыла для всех Deep Review — ИИ, который проверяет научные статьи
14 октября Google Research открыла публичный доступ к Deep Review — агентной системе для длинных технических документов. Она проверяет логику и математические утверждения, сверяет факты и сравнивает работу с уже опубликованными. Под экспериментальным названием система уже помогла авторам более 16 000 рукописей на четырёх крупных конференциях по информатике. Каждому пользователю дают две бесплатные проверки в неделю, пока принимаются PDF и обычный текст.
Смотрите, какую проблему тут решают. По данным Google, на три главные конференции по ИИ — ICLR, NeurIPS и ICML — в этом году подали больше 74 000 работ, а в 2023 году было около 23 000. Писать с ИИ стало быстро, а проверять по-прежнему некому. Получается, ИИ проверяет то, что сам же помог написать. Для образования и для любой компании, где много договоров и отчётов, это та же самая штука. Граница: итоговое суждение Google оставляет людям, а цифры пилотов — данные самой компании. Загруженные документы, по словам Google, на обучение моделей не идут.
Источник: Google Research, 14.10.2026
Grok Voice 3.0 решает 70% звонков в поддержку Starlink без человека
14 октября вышла Grok Voice 3.0 — модель, которая слушает и сразу отвечает голосом. В независимом тесте Artificial Analysis она набрала 86,9 балла и заняла первое место в рейтинге моделей «речь в речь». Цена в API та же, что у прошлой версии: $0,08 за минуту, или $4,80 за час разговора.
Интереснее баллов цифры из реальной работы. Колл-центры Starlink, по словам разработчика, принимают через Grok Voice 20 000 звонков в день на нескольких языках. Примерно 70% решаются без участия человека, а каждый четвёртый звонок в продажи заканчивается покупкой. Один агент сам проверяет клиента, ищет неисправность, начисляет компенсацию и отправляет замену оборудования. Для туризма и любого бизнеса, где много звонков, это уже не эксперимент. Оговорка: это цифры разработчика о сервисе SpaceX, к которой он сам относится, независимой проверки нет.
Источник: анонс Grok Voice 3.0, 14.10.2026
